/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1,5 млрд
Размер весов
3,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-1.5B-Instruct
Библиотека
transformers
Опубликована
28 сен 2026

opd-teacher-Q2.5I-Cinema-step149

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Qwen2.5-1.5B-Instruct, дообученный GRPO для on-policy дистилляции в среде Cinema.

161скачиваний за 30 дней0лайковвеса обновлены28 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

davidheineman/opd-teacher-Q2.5I-Cinema-step149 — экспериментальный чекпойнт Qwen2.5-1.5B-Instruct, дообученный Дэвидом Хайнеманом методом GRPO с использованием RLVE в среде Cinema на уровне сложности 0. Модель предназначена для эксперимента по on-policy дистилляции с 32 средами; опубликован чекпойнт после 150 обновлений обучения.

Это плотная авторегрессионная языковая модель Qwen2 с 1,5 млрд параметров, принимающая текст и генерирующая текст. Контекст — до 32 768 токенов; карточка указывает английский язык. Веса представлены в формате Safetensors, лицензия — Apache-2.0, унаследованная от базовой модели Qwen.

Сценарии применения

  • эксперименты по on-policy дистилляции языковых моделей
  • генерация ответов в среде Cinema
  • оценка поведения модели в симуляции Cinema

Ограничения

Чекпойнт обучен только 150 обновлений и предназначен для конкретного эксперимента по дистилляции в среде Cinema; его качество в иных задачах не установлено.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

opd-teacher-Q2.5I-Cinema-step149

This is a Qwen2.5-1.5B-Instruct teacher trained with RLVE on the Cinema environment at difficulty 0. It is intended for the 32-environment on-policy distillation experiment.

The model was trained for 150 updates with GRPO. step149 is the final, zero-based checkpoint index (the 150th update). The weights were converted from the final native checkpoint to Hugging Face safetensors and validated against the base model's tensor names and shapes.

The original Qwen license is included in LICENSE.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
2bc262e

0 моделей